Stručnjaci upozoravaju na potencijalna urušavanja zgrada, kao i strukturne probleme na putevima i mostovima, ukazujući na izazove koji bi mogli postati još ozbiljniji. Glavni problem predstavlja nemogućnost detaljne provere svake pukotine i znaka habanja koji bi mogli signalizirati rizik od oštećenja.
Robotski asistent (Foto: Drexel University)
Sa ciljem da se odgovori na ove izazove, istraživački tim Tehničkog fakulteta Univerziteta Drexel razvija tehnologije koje bi omogućile robotima da asistiraju inspektorima. Kombinujući postojeće tehnike vizuelne provere sa novim metodama mašinskog učenja, stvorili su sistem koji omogućava utkrivanje problematičnih zona pomoću robota.
Članak o njihovom istraživanju objavljen je u časopisu Automation in Construction. U pitanju je napredni sistem koji koristi kombinaciju računarskog vida i algoritama dubokog učenja za precizno određivanje lokacija sa pukotinama, nakon čega sledi lasersko skeniranje radi kreiranja modela "digitalnog blizanca". Ovo omogućava kasnije praćenje promena i procenu štete.
Oglas
Ovakav pristup bi značajno olakšao posao inspekcije, omogućavajući fokusiranje na kritična mesta i sprečavanje strukturnih oštećenja.
Kako objašnjavaju Arvin Ebrahimkhanlou, asistenta profesora, i Ali Ghadimzadeh Alamdari, istraživački asistent, pukotine bi trebalo shvatiti kao rane znakove problema koji zahtevaju brzu reakciju. Rana identifikacija i precizno merenje oštećenja su najvažniji za blagovremeno održavanje i popravke, odnosno sprečavanje nastajanja štete.
Oni ističu da su trenutno mnogi infrastrukturni objekti u SAD u lošem stanju i da je potrebno hitno uspostavljanje sistema za brzu procenu prioriteta. Američko društvo građevinskih inženjera procenilo je da postoji zaostatak od 786 milijardi dolara u popravkama puteva i mostova. Dodatni problem predstavlja nedostatak kvalifikovane radne snage, uključujući inspektore i radnike zadužene za popravke.
Ebrahimkhanlou naglašava da, iako su infrastrukturni objekti veliki, problemi sa njima su često sitni, što ukazuje na potrebu za detaljnim i preciznim robotskim pregledima pomoću neinvazivnih laserskih tehnologija. Umesto oslanjanja na subjektivnu procenu ljudi, sistem koristi napredne kamere i algoritme dubokog učenja za identifikaciju najmanjih pukotina, čime se postiže visoka preciznost u detekciji.
Sistem je testiran u laboratorijskim uslovima na betonskim pločama sa različitim vrstama pukotina, pokazujući sposobnost da detektuje i precizno izmeri i najmanje pukotine, nadmašujući performanse najboljih dostupnih kamera i senzora. Iako konačnu odluku o popravkama i dalje donose ljudski inspektori, ovakvi robotski asistenti mogli bi znatno da smanje njihov obim posla i mogućnost grešaka u proceni.
Istraživači planiraju dalju integraciju ovog sistema u širi okvir autonomnog praćenja koji bi uključivao dronove i autonomna vozila, sa ciljem stvaranja sveobuhvatnijeg sistema za održavanje infrastrukture. Saradnja sa industrijskim i regulatornim telima biće ključna za praktičnu primenu i dalje unapređenje ove tehnologije, naglašavajući važnost testiranja u realnim uslovima.
